“This Isn’t a Hurricane, This is a Flood Event”: A Qualitative Analysis of National Weather Service Forecaster Messaging during Hurricane Florence
Notice bibliographique
Résumé
Abstract Hurricanes threaten communities in complex and evolving ways due to storm characteristics and geography, as well as demographic and cultural factors. Risks to people in the path of these storms are compounded when wind and water hazards co-occur, such as tornadoes and flash floods, a hazard often referred to as TORFFs. For National Weather Service (NWS) forecasters, messaging these co-occurring threats poses many challenges, including the ongoing assessment and prioritization of which threat is likely to have the greatest impacts and the communication of risks to different publics. In this research, we focus on Hurricane Florence, a category 1 hurricane that produced historic flooding and some wind-related threats, including tornadoes, across the mid-Atlantic coast in September 2018. Through inductive, qualitative analysis of 33 semi-structured interviews with NWS forecasters responsible for issuing alerts during Florence, we examine the intricacies of messaging flood and wind threats as they evolved over the hurricane’s life cycle. Our results show that forecasters aimed to amplify messaging for flood threats over wind threats during Florence. Along with forecast details and expected impacts, motivations for this messaging choice included the potential for flood fatalities and concerns that the public would not understand the severity of compounding hurricane threats. One reason for this disconnect may be the emphasis placed by experts in weather prediction on the Saffir–Simpson hurricane wind scale (SSHWS) as a metric of hurricane severity. Forecaster messaging strategies were informed by these concerns, which may also have implications for how messaging should be shaped in the future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».